(documento pdf: 128 kB):

1. Premessa

Viene introdotto in questo volume un glossario sintetico dei termini di statistica medica utilizzati – o necessari per definire quelli utilizzati – in queste linee guide. Questo glossario non è e non intende essere un "manuale" di statistica: a questo scopo sono disponibili numerosi volumi e, in ogni caso, si raccomanda di seguire un corso specialistico nel caso si fosse interessati. Si intende invece mettere a disposizione del lettore una breve spiegazione dei termini che ricorrono nel testo, in che contesto sono utilizzati negli studi clinici che stanno alla base delle linee guida, indicando anche come hanno influenzato il peso e/o la rilevanza dati agli studi stessi in relazione all'applicazione dei risultati alla pratica, quindi nella costituzione delle raccomandazioni di queste linee guida. Per approfondire gli aspetti più direttamente legati all'analisi della letteratura, si possono suggerire: Primer of Biostatistics 6^a Ed, Glantz SA, McGraw-Hill Professional, 2005; Systematic Reviews in Health Care, Egger M, Smith GD, Altman DG Eds, BMJ Books, 2001; Evaluating drug literature. A statistical approach Slaughter RL, Edwards DJ Eds, McGraw-Hill, 2001; Petitti DB, Meta-analysis, decision analysis and cost-effectiveness analysis. Oxford, 1994; Clinical Epidemiology: A Basic Science for Clinical Medicine 2^a Ed., Sackett DL, Haynes RB, Tugwell P, Guyatt GH, Lippincott Williams & Wilkins, 1991. È anche possibile riferirsi a siti come http://www.cebm.net/?o=1023; http://www.clinicalevidence.com/ceweb/resources/index.jsp.

2. Considerazioni generali

Alcune considerazioni vanno chiaramente fissate prima ancora di cercare la spiegazione di un termine.

2.1. Risultati ottenuti da un singolo studio clinico

In linea di principio si considera che i risultati di un singolo studio non siano probanti (cioè non possano costituire elemento per modifiche alla pratica clinica). Per essere considerati probanti, gli stessi risultati devono essere ottenuti in due studi indipendenti condotti in campioni indipendenti estratti casualmente dalla stessa popolazione.

Questo principio è motivato dal fatto che un singolo studio è normalmente progettato con una numerosità campionaria (vedi 2.8) adeguata per escludere il rischio di falso positivo (errore di tipo I, errore alfa, rischio di vedere un effetto inesistente) con probabilità del 5%. Indipendentemente perciò dal valore di "P" effettivamente osservato, il risultato ottenuto ha il rischio di essere falso una volta su 20, limite non accettabile per essere utilizzato in medicina. Invece, la probabilità che due studi indipendenti, ciascuno progettato per un alfa del 5%, indichino entrambi un risultato non vero è pari a 0,05´0,05=0,0025. Quindi il rischio per i pazienti che deriva dall'utilizzare in pratica clinica i risultati di due studi indipendenti coerenti è pari allo 0,25%, cioè accettabile.

Possono però essere progettati studi capaci di escludere un falso positivo con probabilità pari a 1% o meno. In questo caso il risultato osservato può essere trasferito con pochi rischi direttamente alla pratica clinica. Tuttavia in tali casi bisogna considerare la effettiva dimensione del campione. Spesso infatti tali studi sono di grandi dimensioni e coinvolgono soggetti fra loro eterogenei (p.es. di nazioni o continenti diversi con le ovvie conseguenze sul profilo genetico e sulle abitudini di vita). In tal caso, o vi sono evidenze probanti che l'evoluzione della patologia e la risposta al trattamento non è influenzata da tali fattori, oppure bisogna comunque valutare se l'applicabilità dei risultati può essere ragionevolmente estesa alla popolazione in cui si sta operando (da cui il principio di "applicabilità diretta" utilizzato nella valutazione del grado delle evidenze in queste linee guida; Capitolo 2).

Potrebbero però verificarsi situazioni in cui uno studio progettato per escludere falsi positivi con probabilità <0,05, osservi il risultato voluto con P<0,001 (limite massimo di accuratezza per stimare la P da parte di un sistema che non utilizzi un supercomputer; valori più piccoli sono privi di significato). Diventa accettabile questo risultato anche senza conferma? In realtà no. Il valore di P osservato è uno degli infiniti valori distribuiti secondo la curva normale intorno al valore vero (anche la probabilità è una variabile). Quindi, quando si definisce un livello di accettabilità, è implicito che si accettano il valore della soglia (0,05) e tutti i valori più piccoli della soglia. Esiste quindi una certa probabilità che la stima puntiforme del valore di P sia più piccola del livello di soglia, ma ciò era implicito nella definizione stessa di livello soglia. Il problema diventa più chiaro se espresso in termini di confidenza. Se lo studio era progettato per potere avere una confidenza del 95% di non accettare dei falsi positivi, il risultato effettivamente osservato non cambia il livello di confidenza per quello studio: potrà solo suggerire a cambiare il livello di confidenza da considerare per progettare uno studio successivo. Questa situazione potrebbe essere paragonata alla situazione di un aereo di linea in volo. L'aereo è progettato per volare a una velocità di 800 km/h in aria calma (errore alfa – o P critica per affermare la significatività – di progetto dello studio), che in tal caso corrisponde a 800 km/h rispetto al suolo. È possibile che, con un forte vento in poppa, si raggiungano i 1·000 km/h rispetto al suolo, ma la velocità rispetto all'aria rimane 800 km/h. Quindi, vedere sfrecciare un aereo a 1·000 km/h non ci permette di affermare che la velocità di quell'aereo è superiore a quella di progetto (o che un P osservato è più "significativo" o "più piccolo" di quello di progetto), anche se non ci dispiace arrivare prima. Tutta la discussione sulla potenza (vedi 2.8) corrisponde invece a tenere conto del fatto (e cercare di neutralizzarlo aumentando la numerosità del campione) che è anche possibile incontrare un forte vento contrario che riduce la velocità rispetto al suolo (riduce il valore di P osservato a parità di tutte le altre condizioni), anche se si continua a volare a 800 km/h rispetto all'aria in movimento.

2.2. Endpoint primario ed endpoint secondari

Qualsiasi studio clinico è programmato con un obiettivo, un esito e un "endpoint". L'obiettivo è la domanda di natura clinica cui si vuole dare una risposta. L'esito è lo specifico aspetto clinico capace di fornire la risposta. Lo "endpoint" è la misura dell'esito clinico dalla quale – attraverso algoritmi statistici – si ricava la risposta.

Uno studio clinico viene però progettato in funzione di una specifica capacità di esclusione di falsi positivi (l'aspetto dei "falsi negativi" è correlato alla potenza, vedi 2.8). Questo limite è un limite complessivo dello studio. Quindi, se si intende rispondere a più domande, bisogna verificare prima di tutto se gli esiti che rispondono alle diverse domande sono correlati tra loro. Se lo sono, allora bisognerà distribuire l'errore alfa totale tra i diversi "endpoint" correlati (ovvero, si stima la numerosità campionaria non più per alfa, ma per alfa diviso k, dove k è il numero di endpoint correlati: regola di Bonferroni). Se gli endpoint non derivano da esiti correlati – situazione molto rara in uno studio clinico proprio per la necessaria specificità degli interventi terapeutici che si utilizzano – allora si deve stimare la numerosità campionaria per ciascuno degli endpoint indipendenti e utilizzare la numerosità massima trovata. In ogni caso, la numerosità campionaria di studi con endpoint multipli è molto elevata. Per questo motivo, gli endpoint cosiddetti "primari" (che significa "dimostrabili") sono normalmente limitati a uno o due.

D'altra parte sarebbe assurdo "sprecare" tutte le informazioni raccolte al di là di quelle indispensabili a stimare l'endpoint primario. Si possono quindi porre altre domande oltre a quella principale, e valutare la risposta ottenuta nello studio. Ciò è del tutto legittimo, sia che queste risposte "secondarie" siano previste in sede di progettazione, sia che vengano osservate dopo la conclusione dello studio ("ex post-facto"). Tuttavia le implicazioni sull'applicabilità (forza) dei risultati sono sostanzialmente diverse.

I risultati di un endpoint primario sono probanti, vale a dire che possono essere direttamente utilizzati per modifiche della pratica clinica (soggetti alle considerazioni del punto 2.1).

I risultati di endpoint secondari, invece, non sono probanti. Ciò non significa che non siano veri, ma solo che non è detto che lo siano e ciò indipendentemente dal valore di "P" osservato: questo è il significato della frase che compare negli studi più seri e recita «il valore di P riferito a questi risultati è citato con mero significato descrittivo». Tuttavia, se l'endpoint secondario era stato pianificato a priori, i risultati ottenuti possono essere utilizzati per stimare con buona accuratezza se la domanda clinica relativa merita di essere sottoposta a verifica in un nuovo studio, e quale debba essere la dimensione di tale studio.

Quando invece gli endpoint secondari sono stati identificati "ex post-facto", occorre notevole cautela anche solo per la progettazione di un nuovo studio. endpoint non pianificati possono risultare "statisticamente significativi" o per pura casualità ("the play of chance" negli articoli) o perché si sono modificati continuamente i termini dell'endpoint fino a trovare qualcosa con P<0,05 (cosiddetto "data dredging") e riportarlo come "endpoint secondario definito a posteriori".

In ogni caso i risultati di endpoint secondari non possono influenzare la pratica clinica finché non sono sottoposti a verifica in studi specificamente ed adeguatamente progettati (con le eccezioni indicate in seguito valide però solo per casi davvero clamorosi). Si possono ricordare, a questo proposito, i risultati degli studi ELITE (Lancet 1997; 349: 747-752) ed ELITE II (Lancet 2000; 355: 1582-1587) per confrontare la tollerabilità renale fra captopril e losartan in pazienti anziani con scompenso cardiaco). Alla fine dello studio ELITE, l'endpoit secondario mortalità era significativamente inferiore con losartan. Alla fine dello studio ELITE II, l'endpoint primario mortalità era sovrapponibile tra i due.

2.3. Analisi intermedie ed analisi di sottogruppi

Questi due aspetti sembrano molto distanti tra loro, ma condividono lo stesso problema statistico. Tutto comincia dall'errore alfa accettato in sede di progettazione dello studio, tipicamente il 5%. Questo significa che lo studio è dimensionato per osservare falsi positivi (effetti inesistenti) una sola volta su venti. "Nel suo complesso" è una dizione letterale: il rischio totale disponibile per quello studio è il 5%. Se questo viene "speso" tutto per la sola analisi dell'endpoint primario, la confidenza che il risultato rifletta i fatti è del 95%. Se viene "speso" in altre analisi, alla fine la confidenza che il risultato sia "vero" è minore. "Quanto" minore dipende da quante analisi sono fatte (vedi 2.2). L'approccio più semplice è di considerare la confidenza da assegnare al risultato finale come pari alla confidenza non spesa: se in uno studio programmato per un errore alfa del 5% si sono eseguite due analisi intermedie (o si sono esaminati due sottogruppi) oltre all'analisi finale e per ciascuna analisi si definisce "si considerano significativi i risultati con P<0,05", allora la confidenza attribuibile a questo risultato è pari all'85% (1-0,05´3: significa che un P nominale pari a 0,05 per questa analisi corrisponde a un P reale pari a 0,15; oppure che per ottenere una confidenza del 95% bisogna ottenere un P nominale pari a 0,0167). Una confidenza così bassa è chiaramente inaccettabile per trarre conclusioni cliniche da applicare a pazienti veri. Esistono tecniche complesse che permettono di "spendere" poco errore alfa nelle analisi intermedie e mantenerlo quanto più possibile disponibile per l'analisi finale, ma questo va pianificato prima dello studio e, comunque, il risultato finale è un aumento della dimensione del campione non molto diversa da quella ottenuta considerando come P critico il valore di P/k (regola di Bonferroni).

Anche per eventuali sottogruppi ogni analisi va pianificata come endpoint primario correlato all'analisi globale. Anche in questo caso si può "spendere" diversamente l'errore alfa sulle diverse analisi, ma anche questo va programmato prima dello studio e, soprattutto, nei risultati deve essere ben evidenziato il grado di confidenza attribuibile a ciascuna analisi (cosa che, purtroppo, non viene quasi mai fatta). Per questo motivo le analisi di sottogruppi pianificati vanno esaminate con cura per quanto attiene alla confidenza con la quale i risultati osservati possono suggerire modifiche di pratica clinica. Le analisi di sottogruppi non pianificati hanno senso solo per indirizzare la futura ricerca, ma sono prive di valore probante per modificare la pratica clinica (vedi anche "endpoint secondari non pianificati" in 2.2). Si può ricordare qui il caso classico dello studio ISIS-1 in cui venne osservato, nell'analisi di sottogruppi non pianificati, che, tra l'altro, l’atenololo era maggiormente efficace nei pazienti nati sotto il segno della bilancia. Si può anche ricordare lo studio PRAISE (efficacia dell’amlodipina vs placebo in pazienti con scompenso cardiocircolatorio; N Engl J Med 1996; 335: 1107-1114). L'analisi globale non evidenziava differenze di mortalità; all'analisi per sottogruppi non pianificati si identificò un sottogruppo (eziologia non ischemica) nel quale amlodidipina riduceva significativamente la mortalità. Lo studio PRAISE-2 (parzialmente discusso in Am Heart J 2004; 147: 151-157), progettato per confermare questo risultato, riscontrò che la mortalità nei due gruppi di trattamento era invece sovrapponibile.

L'approccio all'analisi di sottogruppi può assumere un aspetto apparentemente più "tecnico" rispetto al semplice confronto di un sottogruppo verso un altro (o il sottogruppo di riferimento), che consiste nell'analisi di interazione. In questo approccio, si valuta l'effetto non tanto dell'appartenenza al sottogruppo A, B, C, ... sulla probabilità di ricadere nel gruppo con esito positivo o negativo, come nella normale analisi logistica multivariata, ma si stima l'interazione fra il fattore di classificazione principale (generalmente il trattamento cui un soggetto è stato randomizzato) e l'appartenenza al sottogruppo. In tal modo si ritiene di poter evidenziare, se l'interazione è statisticamente significativa, che l'effetto del trattamento è differente in funzione della caratteristica che definisce il sottogruppo (tipicamente: sesso, gravità della patologia, ....). Purtroppo anche questo approccio può essere fuorviante, anche se in grado minore rispetto alla tradizionale analisi di sottogruppi. Infatti, anche l'analisi di interazione introduce un bias, specie se i sottogruppi non erano definiti a priori e quindi sono sbilanciati, in relazione a tutte le altre analisi statistiche. Anche in questo caso vale la regola generale che, per poter definire significativa un'interazione, la P osservata deve essere più piccola della P critica definita, come indicato sopra, come P/k, dove k è il numero di analisi pianificate (incluse le analisi di interazione). Utilizzando l'analisi di interazione è possibile ottenere fattori di correzione meno importanti, ma non è mai possibile evitarli. Per una discussione più approfondita di questo aspetto, si veda: Lagakos SW. The Challenge of Subgroup Analyses – Reporting without Distorting. N Engl J Med 2006; 354: 1667-1669.

2.4. Metanalisi ed eterogeneità

In primo luogo bisogna distinguere l'eterogeneità clinica dall'eterogeneità statistica.

L'eterogeneità clinica si riferisce al fatto che gli studi clinici sono stati condotti in maniera diversa e non assimilabile tra loro, quindi sui diversi studi potrebbero avere agito influenze casuali e/o sistematiche diverse. Dal punto di vista puramente statistico ciò è un vantaggio perché, aumentando la variabilità, rende più probanti (statisticamente) eventuali risultati "statisticamente significativi". Tuttavia potrebbe anche costituire uno svantaggio in termini clinici, perché parte dei risultati ottenuti potrebbero non essere applicabili in un determinato contesto (nel caso di queste linee guida, alla popolazione italiana residente e trattata nell'ambito del sistema sanitario e delle strutture cliniche italiane). Se esiste una eterogeneità clinica, l'unico approccio di rilievo è la valutazione di scenari diversi in funzione di diversi parametri di riferimento (analisi di sensibilità). Se l'analisi di sensibilità porta comunque agli stessi risultati, allora l'eterogeneità clinica non costituisce problema, altrimenti è preferibile affinare la metanalisi dopo avere definito con la massima precisione possibile quali sono i parametri di riferimento coerenti con la situazione specifica che si vuole esaminare.

L'eterogeneità statistica stima invece quanto è probabile che i risultati siano distribuiti in maniera omogenea o meno nei diversi studi, e dipende sia dai risultati dei singoli studi, sia dalla loro dimensione (o da altri fattori che ne determinano il "peso"), sia dall'effetto medio osservato. In questo modo è possibile stimare quanto è probabile che la distribuzione osservata dei risultati possa essere osservata per puro effetto del caso (comunemente stimata con il test Q di Cochran). Una eterogeneità statisticamente significativa può – ma non necessariamente – indicare un errore sistematico o in alcuni studi o nella selezione degli studi. Tuttavia il test Q indica solo se si deve respingere o no l'ipotesi di omogeneità fra studi, ma non ne stima l'entità. Recentemente si è iniziato a utilizzare a questo scopo l'indice I², che misura la dimensione della eterogeneità vera e può essere interpretato come la percentuale della variabilità totale dell'effetto calcolato nella metanalisi, da attribuirsi alla eterogeneità fra studi. Chiaramente, un effetto gravato da elevata eterogeneità (nell'ordine del 70%~75%) va considerato con maggiore cautela rispetto ad un effetto gravato da minore eterogeneità (nell'ordine del 20%~30%), indipendentemente dalla capacità del test Q di osservare la "significatività statistica" della stessa eterogeneità. Naturalmente, come tutti i risultati statistici, l'indice I² è davvero informativo se accompagnato dal suo intervallo di confidenza al 95%, che permette di valutare anche l'accuratezza della stima di eterogeneità.

Quindi i risultati delle metanalisi hanno maggiore o minore valore probante per il trasferimento nella pratica non solo in funzione dell'entità dell'effetto osservato (sempre considerando il relativo intervallo di confidenza) ma anche in funzione della eventuale eterogeneità clinica (valutandone l'impatto rispetto all'utilizzo dei risultati nella popolazione e nel sistema sanitario bersaglio) e della eterogeneità statistica considerata in primo luogo come dimensione dell'eterogeneità vera (I²±IC₉₅) e poi anche come significatività.

Esaminando, p.e., la metanalisi di confronto tra endoarteriectomia e stent nell'ictus (Stroke 2005; 36: 905-911; l'articolo riporta i dati del chi quadrato; lo I² è stato calcolato dai dati presentati nelle tabelle) si osserva: per l'esito "morte o ictus entro 30 giorni" una eterogeneità statistica significativa (P=0,035) ma un eterogeneità vera non rilevante (I² 61,4%) che, tuttavia, presenta un intervallo di confidenza di tale ampiezza (IC₉₅ 0%-85,5%) da suggerire estrema cautela nell'interpretazione dell'analisi; per l'esito "morte o ictus a 1 anno", una eterogeneità statistica significative (P=0,016) e una eterogeneità vera ugualmente elevata (I² 75,9%; IC₉₅ 21%-93%). Sulla base di questi risultati si evidenzia la necessità di studi clinici comparativi meglio progettati o più standardizzati per ridurre l'eterogeneità che riduce il valore della metanalisi. Inoltre, dato che gli studi considerati sono eterogenei, continueranno a contribuire alla dispersione della stima delle nuove metanalisi, i nuovi studi dovranno essere o di dimensioni decisamente maggiori (peso maggiore nella metanalisi) o in numero consistente.

2.5. Modo di esprimere i risultati nelle metanalisi (e negli studi)

Tralasciamo per sostanziale irrilevanza nella definizione di linee guida gli esiti espressi in forma continua (differenze di medie) limitandoci ai risultati espressi in forma di categoria, generalmente dicotomica (p.es. vivo/morto a una certa distanza da una procedura).

In queste situazioni sono possibili molti modi di esprimere lo stesso risultato: riduzione relativa di rischio (o relative risk reduction, RRR), riduzione assoluta di rischio (absolute risk reduction, ARR), odds ratio, hazard ratio (rapporto di tasso di rischio), NNT, ...

Le definizioni dei termini sono indicate nel glossario. Queste considerazioni generali tengono conto solo del peso delle diverse misure. Il primo aspetto da considerare è quanto descrittive sono le diverse statistiche della reale entità dell'effetto. Quella che può generare più confusione è la riduzione relativa di rischio perché è espressa come variazione percentuale di una entità non presentata (cioè il rischio assoluto di riferimento). Chiaramente, se il rischio di riferimento è molto piccolo, anche una grande riduzione relativa è di importanza solo marginale, mentre se il rischio di riferimento è grande anche una piccola riduzione relativa può essere applicata utilmente (per i pazienti) nella pratica. Quindi questa misura non viene considerata utile per valutare un effetto.

Un livello inferiore di confusione è associato al rapporto del tasso di rischio o hazard ratio. La hazard ratio è il tasso di eventi per persona-tempo. La hazard ratio, allora, indica semplicemente, per qualsiasi coppia di soggetti presa a caso, una dal gruppo con hazard rate più alto (p.es. controlli) e una dal gruppo con hazard rate più basso (p.es. trattati) il rapporto di odds per il verificarsi dell'evento. Una hazard ratio di 2 corrisponde quindi al 67% di probabilità di avere prima l'evento per il soggetto di controllo rispetto al soggetto trattato (odds). Una semplice trasformazione dell'hazard ratio (HR) in odds (non odds ratio, che si ottiene in altro modo) si ottiene dalla: odds = HR/(1-HR). L'informazione ottenuta dalla hazard ratio è quindi riferita sostanzialmente alla probabilità che un evento avvenga prima o dopo, ma indica in maniera solo indiretta la probabilità che l'evento avvenga in assoluto in un periodo di tempo predeterminato, che è la domanda di normale interesse nel definire il peso di un certo risultato per le raccomandazioni pratiche. Anche se la hazard ratio possiede un interesse rilevante nel seguire nel tempo eventi con rischio non costante (p.es. il rischio di recidiva di ictus), deve quindi essere usata con cura. Uno dei problemi principali consiste nel modo in cui è costruito il modello interpretativo. Spesso la HR viene calcolata da modelli contenenti diverse variabili esplicative (variabili utilizzate per "suddividere" il rapporto di rischio tra diversi fattori di interesse). Il primo aspetto critico è che ci devono essere abbastanza eventi per ciascuna variabile. Quindi bisogna valutare non il numero di casi, ma il numero di eventi: occorrono 5-10 eventi per variabile per costruire un modello valido. Inoltre il rischio deve essere omogeneo nel tempo per ciascuna delle variabili considerate. Se ciò non è vero, il modello può dare risultati fuorvianti. Infine occorre che le variabili esplicative abbiano un senso di per sé. Infatti, se si lascia al computer di scegliere un modello solo su basi matematiche, date sufficienti variabili esplicative, una qualche relazione risulterà significativa per caso, ma è facilmente priva di significato clinico.

Uno dei metodi usati per esprimere i risultati è quello che usa la odds ratio. Per eventi rari corrisponde al rischio relativo. Per eventi frequenti diverge dal rischio relativo in maniera anche importante. La scelta se usare il rischio relativo o la odds ratio dipende sia dal tipo di studio (negli studi prospettici sono utilizzabili entrambi; negli studi retrospettivi si può utilizzare solo la odds ratio) sia dal numero di eventi (se sono rari i due metodi sono equivalenti, se non sono rari la odds ratio può essere fuorviante).

Tutti questi modelli, tuttavia, se hanno il pregio di stimare il rapporto di efficacia tra due procedure, non sono clinicamente "informativi". In altri termini, anche se "misurano" il rapporto di efficacia tra due procedure, non ci dicono nulla sulla reale utilità. Per stimare l'utilità si ha bisogno di sapere quanti pazienti trarranno beneficio dall'una o dall'altra. Qui interviene il "numero di pazienti da trattare" o NNT. Più specificamente si usano i termini NNTB (number needed to benefit) per eventi da considerare in senso positivo, e NNTH (number needed to harm) per eventi da considerare in senso negativo. Il rapporto NNTH/NNTB (con il suo intervallo di confidenza; definito anche LHH o "Likelihood of Being Helped Versus Harmed" [Burneo JG, Wiebe S. Chapter 3: Outcome and adverse effect measures in neurology. In: Candelise L, Hughes R, Liberati A, Uitdehaag BMJ, Warlow C, eds. Evidence-Based Neurology, Management of Neurological Disorders. Oxford, UK: Blackwell Publishing, BMJI Books; 2007: 20.]) fornisce una stima del margine di sicurezza dell'intervento. Lo NNT è il numero di pazienti da trattare per prevenire un evento negativo o per ottenere un evento positivo in più rispetto all'intervento di confronto. Deve specificare il trattamento, la sua durata e l'evento prevenuto (o ottenuto). Si calcola come 1/ARR e va sempre riportato con il suo intervallo di confidenza. In questo modo si confrontano gli interventi sulla base del numero di soggetti che possono beneficiarne, e dalla stima dell'intervallo di confidenza e degli eventuali carichi aggiuntivi (di rischio, disagi e costi) si può valutare quanto cogenti siano i risultati di uno studio clinico (o di una metanalisi) per eventuali modifiche di pratica clinica. Questo approccio è quello prevalentemente utilizzato in queste linee guida.

È bene insistere sul fatto che la misura NNTB/NNTH non è una misura assoluta (invariante rispetto alle condizioni al contorno) ma è legata a una procedura specifica e a un tempo specifico di esposizione a rischio. La stessa procedura può produrre NNTB/NNTH differenti per tempi di esposizione differenti quando il rischio è variabile nel tempo. Questo aspetto è particolarmente rilevante nel caso del rischio di ictus. Un caso evidente è riportato nel Capitolo 13 in relazione all'utilità della endoarteriectomia carotidea nella stenosi sintomatica.

2.6. Modelli prognostici e carte del rischio

Queste linee guida fanno riferimento sia a modelli prognostici sia a carte del rischio. Le cosiddette "carte del rischio" sono una semplificazione dei modelli prognostici. Il modello prognostico permette, sulla base di un algoritmo che considera informazioni facilmente disponibili "al letto del paziente", di stimare la probabilità di un certo esito. Le carte del rischio utilizzano alcune di queste informazioni – generalmente le più frequenti o quelle che maggiormente influenzano la stima di probabilità – e le suddivide per grandi categorie (non necessariamente omogenee tra loro) in modo da rendere più semplice la stima del rischio, senza dover utilizzare dei calcoli.

Le due tecniche soffrono di due principali problemi. La stima del rischio di un evento, proprio per il modo in cui è stata calcolata, è una stima di popolazione e significa che un soggetto con determinate caratteristiche appartiene a una popolazione che manifesterà un certo numero di eventi di un certo tipo in un certo tempo. Non è possibile determinare se il singolo soggetto appartiene a quelli che manifesteranno l'evento o a quelli che non lo manifesteranno. Ciò richiede prudenza nell'affrontare la discussione del rischio presumibile con il singolo paziente per evitare di indurre indebite paure (nonché eccessivo carico di terapie non correttamente seguite) o, peggio, indebite sicurezze.

Il secondo problema è più radicale ed è dovuto alla natura stessa della procedura di costruzione del modello prognostico. Ciascun modello nasce dall'esame di una specifica coorte di soggetti. Non è mai possibile affermare che tale coorte rappresenti la popolazione attuale alla quale lo si intende applicare. Pertanto nessun modello prognostico e nessuna carta del rischio è da considerarsi suggerimento autorevole per modifiche di pratica clinica senza una validazione indipendente su una coorte indipendente estratta dalla stessa popolazione. La cosiddetta "validazione interna", ovvero ottenuta applicando il modello a sottogruppi casuali della stessa popolazione dalla quale esso deriva, è condizione necessaria per la sua validità, ma non è condizione sufficiente proprio perché i vari sottogruppi sono per definizione omogenei alla coorte da cui derivano, ma non sono necessariamente omogenei alla popolazione bersaglio.

I modelli e le eventuali carte del rischio derivati da questi modelli e validati su coorti indipendenti sono da considerarsi elemento importante e probante agli effetti di modifiche della pratica clinica, soprattutto se possono esprimere il risultato in termini di NNTB e NNTH (con il loro intervallo di confidenza), cioè in una forma che permette una stima diretta dell'eventuale beneficio o rischio per i pazienti.

Modelli non validati e relative carte di rischio non validate indipendentemente vanno considerati come ipotesi di lavoro, magari anche interessanti, ma da considerarsi con cautela prima di affidare a tali stime eventuali cambiamenti di pratica clinica che, ad una verifica indipendente, potrebbero rivelarsi, se non controproducenti (nel caso stimassero un rischio inferiore a quello reale), inutili (però con aggravio di carichi sul paziente senza benefici prevedibili).

2.7. Predittività di correlazioni, curve di regressione, analisi di sopravvivenza

Correlazioni, regressioni e analisi di sopravvivenza sono tecniche largamente utilizzate negli studi clinici esaminati per definire queste linee guida. Tutte queste tecniche sono estremamente utili per determinare scenari realistici di utilizzo di tecniche, procedure e interventi sia di prevenzione sia di trattamento. Tuttavia l'impiego dei risultati ottenuti da queste tecniche deve considerare tutti gli aspetti indicati nelle osservazioni precedenti.

Il primo aspetto da considerare riguardo la predittività dei risultati, e quindi la forza con la quale possono suggerire modifiche di pratica clinica, riguarda la corrispondenza del campione esaminato con la popolazione bersaglio. A questo proposito si applicano le stesse considerazioni già riportate in 2.4.

Il secondo aspetto riguarda il numero e la natura dei predittori utilizzati nella costruzione dei modelli di correlazione, regressione e sopravvivenza (in questo caso soprattutto utilizzando la tecnica del rischio proporzionale di Cox). Si devono applicare per questi aspetti le stesse considerazioni riportate al punto 2.5. In particolare, nel caso della tecnica del rischio proporzionale secondo Cox, occorre sempre tenere presente che essa è tanto valida quanto i predittori utilizzati, e che anche in questo caso necessita un certo numero di eventi (5-10 almeno) per ogni predittore utilizzato. Inoltre, la validità del modello derivato dipende da quanto è presumibile che sia costante il rischio associato a ciascun predittore su tutto l'arco dei valori del predittore stesso effettivamente presenti nel campione.

L'aspetto più critico e spesso trascurato è che queste tecniche possono essere predittive esclusivamente nell'ambito dei valori di predittori utilizzati per la loro costruzione. In altre parole, una correlazione tra un fattore A e un risultato B può essere valida per tutto il dominio dei valori di A esaminati nella correlazione, mentre è priva di significato per valori al di fuori di tale dominio. La stessa cosa si applica alle stime di regressione: valori immediatamente al di sotto del valore minimo di A e immediatamente al di sopra del valore massimo di A utilizzati per costruire la regressione, possono essere associati a valori di B completamente al fuori della curva di regressione stimata. Inoltre, se una curva di regressione permette di stimare B a partire da valori di A, non necessariamente – anzi, molto raramente – la stessa curva permette di stimare A a partire da valori di B. Infine, per le curve di sopravvivenza, tutti questi aspetti si integrano a suggerire cautela per evitare conclusioni – e quindi utilizzi – scorretti. Una curva di sopravvivenza vale solo ed esclusivamente per il periodo di tempo coperto dall'osservazione. Le conclusioni associate a tale curva non sono estendibili oltre il periodo osservato se non come generatore di ipotesi da confermare prospetticamente in maniera indipendente. È infatti possibile – e per estensioni sufficientemente lunghe è certo – che si osservino avvicinamenti tra le curve o inversioni di tendenza o perdita di significato a causa di altri fattori non considerati nella curva ma prognosticamente più rilevanti con il passare del tempo. Non è inoltre trasferibile il risultato di una curva di sopravvivenza per un certo esito ad altri esiti per quanto clinicamente correlati (p.es. non necessariamente – anzi molto raramente – una curva di sopravvivenza riferita a un esito composito è anche applicabile ai singoli componenti di tale esito).

Quindi l'approccio generale in queste linee guida è stato quello di considerare particolarmente rilevante per suggerire modifiche di pratica clinica quelle stime di correlazione, regressione e sopravvivenza, condotte su popolazioni per quanto possibile simili alla popolazione bersaglio italiana, utilizzando predittori ragionevolmente correlati all'esito clinico considerato, che esaminassero esiti clinici per quanto possibili robusti e semplici. Per le regressioni e le curve di sopravvivenza si sono prese in primo luogo in considerazione quelle che coprissero un dominio dei valori dei predittori quanto più prossimo al campo realmente osservabile nella pratica clinica. Per le curve di sopravvivenza si sono considerate di particolare peso quelle riferite ad esiti clinici semplici e robusti, su campioni seguiti per un arco di tempo sufficientemente ampio da essere omogeneo o quanto meno confrontabile con il periodo per il quale si prevede si seguire i pazienti esaminati, stimate a partire da un numero sufficientemente grande di eventi bersaglio, e ove possibile confermate in almeno due studi indipendenti (vedi 2.1).

2.8. Significatività e potenza – rappresentatività (campione)

Nell'esame degli studi utilizzati per la costruzione delle linee guida si è dato peso, certamente, all'esistenza di risultati "statisticamente significativi", ma anche alla potenza degli studi e alla rappresentatività del campione. Questi aspetti sono strettamente correlati alla dimensione del campione utilizzato negli studi (la cosiddetta "numerosità campionaria").

Espresso in termini pratici, e al di là delle formule matematiche utilizzate, la dimensione di un campione deve essere tale da permettere di identificare come "statisticamente significativa" una differenza di effetto che sia spiegabile solo raramente da effetti casuali, ma anche tale da poter essere effettivamente rilevata se esiste, e da poter essere applicabile a tutta la popolazione da cui è stato estratto il campione. Questi termini corrispondono a: significatività, potenza, e rappresentatività (che corrisponde, implicitamente, a predittività nei limiti discussi di seguito).

Un risultato statisticamente significativo in uno studio di buona potenza può essere privo di valore predittivo per l'applicazione alla popolazione, se il campione non rappresenta – per aspetti demografici, genetici, fisiopatologici – la popolazione cui si intende applicare il risultato o se l'endpoint primario non risponde esattamente alla domanda clinica di interesse per la popolazione considerata in queste linee guida. Questo solo aspetto, indipendentemente dalla significatività del risultato, causa la diversa classificazione della forza di una evidenza esterna considerata in queste linee guida (significato di "direttamente applicabile" come indicato nel Capitolo 2).

Tuttavia, la significatività statistica per sé non è un elemento sufficiente a dare "forza" probante a uno studio. Anche in questo caso il valore di "P" è elemento necessario ma non sufficiente. Elemento altrettanto rilevante è l'intervallo di confidenza del risultato, la sua natura, il suo peso clinico, il sospetto (o l'evidenza) di bias (vedi anche punti 2.9 e 2.11). Conviene ricordare che la significatività statistica è solo una stima di quanto sia probabile che la stessa differenza possa essere osservata per puro caso nel caso si ripetessero le stesse analisi (da cui necessità della definizione di uno e uno solo endpoint ben definito o, se più di uno, adeguato incremento della numerosità campionaria; vedi discussione in 2.3). Conviene anche ricordare che il valore effettivo di "P" osservato e riportato non aumenta minimamente la forza dell'evidenza rispetto a quanto ipotizzato nel protocollo di studio (vedi punto 2.1).

La "potenza" di uno studio clinico è uno degli aspetti forse meno comunemente considerati nelle discussioni ma riveste una rilevanza notevole per la costituzione di linee guida. Tecnicamente, la "potenza" di uno studio è la sua capacità di osservare una differenza di esito fra i due o più gruppi al livello di significatività scelto. Quindi, una volta che lo studio è stato concluso e la differenza è stata osservata al livello di significatività prefissato, la questione della potenza è di minore rilevanza. Tuttavia, la potenza può anche essere definita come la percentuale di studi condotti su campioni indipendenti estratti dalla stessa popolazione che darà una differenza statisticamente significativa (nei limiti prefissati di P) se l'effetto del trattamento è vero. Estendendo questa definizione fino a comprendere, negli n campioni estratti indipendentemente dalla popolazione, tutta la popolazione, allora la potenza dello studio è una stima, per quanto grossolana, della proporzione di popolazione che può "rispondere" al trattamento come si è visto nello studio purché il campione sia davvero rappresentativo della popolazione stessa. Per questo motivo la forza delle evidenze esterne utilizzate in queste linee guida tiene conto anche della potenza degli studi (vedi Capitolo 2).

2.9. Bias, fattori di confusione, stratificazione

Quando si discute di valore probante di uno studio clinico agli effetti di una linea guida non si può trascurare di valutare quanto i risultati dello studio possono essere spostati rispetto alla realtà dei fatti.

Uno scostamento dei risultati osservati dai risultati "veri" può essere dovuto a diversi fattori, primo fra tutti il fatto che il campione studiato in realtà rappresenta solo una parte della popolazione reale (p.e. a causa di criteri di inclusione e di esclusione peraltro spesso indispensabili a garantire la necessaria sicurezza ai partecipanti allo studio).

Una deviazione sistematica dei risultati osservati dal risultato "vero" si definisce "bias". Di solito il bias tende a deviare, in maniera quasi sempre non voluta, i risultati osservati verso esiti maggiormente favorevoli all'intervento in esame rispetto all'esito vero. Il bias si può manifestare in molti modi: all'arruolamento (p.e. un clinico conservatore assegnerà i casi tendenzialmente più gravi al trattamento di riferimento mentre uno "progressista" li assegnerà al trattamento nuovo); durante la conduzione dello studio (p.e. gestendo in maniera differente i soggetti assegnati all'uno o all'altro trattamento); e alla valutazione dei risultati (p.e. valutando sistematicamente in maniera più favorevole i risultati ottenuti con l'uno o con l'altro trattamento). Questi bias possono essere contenuti utilizzando le normali tecniche di randomizzazione (assegnazione del trattamento su base casuale) e di cecità (evitando che chi assegna il trattamento e chi ne valuta i risultati sia a conoscenza dell'effettivo trattamento assegnato al singolo paziente). Anche in questo caso le procedure di randomizzazione e di cecità devono essere tali da impedire di fatto, e non solo formalmente, la conoscenza del trattamento assegnato. Pertanto la valutazione di queste tecniche non si limita a verificare che siano scritte, ma entra nel dettaglio della valutazione di come sono state applicate e quindi se siano da considerarsi valide o meno. Uno studio per il quale non si potesse stimare se le tecniche di randomizzazione e cecità erano valide, è stato considerato come biased (cioè affetto da errore sistematico) in queste linee guida.

Tuttavia bisogna considerare un'altra fonte di potenziale errore sistematico, costituita dal campione esaminato rispetto al campione arruolato. È infatti raro che tutti i soggetti arruolati nello studio giungano alla fine dello stesso. I casi di interruzione dell'osservazione possono quindi essere una fonte importante di bias, specie se costituiscono una proporzione importante (>5%) del campione arruolato. Infatti, in tal caso non è detto che i soggetti che completano lo studio rappresentino la stessa popolazione rispetto ai soggetti che erano stati arruolati, per cui le conclusioni non sono più applicabili a tale popolazione nonostante i soggetti arruolati fossero rappresentativi. Inoltre, bisogna considerare che se una certa proporzione di soggetti abbandona lo studio, è presumibile che una simile (ma di solito maggiore) proporzione di soggetti abbandonerà il trattamento nella realtà clinica. Quindi la stima dell'effetto di una procedura deve tenere conto di questo fenomeno. Ciò si ottiene con l'analisi dei dati ITT (intention-to-treat).

Indipendentemente dalla definizione data a questa procedura, il principio è semplice: i risultati devono dare conto di tutti i soggetti arruolati che non abbiano fisicamente rifiutato il trattamento prima della prima dose, ovvero, N soggetti hanno almeno teoricamente iniziato il trattamento, N risultati devono essere valutati. Naturalmente per i soggetti che non hanno concluso l'osservazione andranno fissate (pre-fissate, ovvero definite prima dell'inizio dello studio) regole precise per determinare l'esito. Le regole più sicure sono quelle conservative (o worst-case) secondo le quali i soggetti che non terminano lo studio sono per definizione classificati come fallimento oppure sono assegnati al risultato peggiore osservato tra tutti quelli che hanno concluso lo studio. Con questo principio si evita di favorire indebitamente il trattamento in esame rispetto al trattamento di riferimento. Naturalmente si possono condurre analisi di sensibilità per diverse regole di assegnazione, valutando eventuali discrepanze sul piano del valore clinico, ma le analisi di sensibilità hanno rilevanza solo dopo che l'analisi worst-case ha confermato che un effetto esiste.

Il bias però non è la sola fonte di scostamento tra risultato vero e risultato osservato. Possono esistere altri fattori, definiti come "fattori di confusione", che hanno lo stesso effetto. I fattori di confusione sono variabili non considerate nello studio, che influenzano variabili che sono invece considerate nello studio. Non essendo considerati, i fattori di confusione possono esercitare un'influenza non quantificabile che sfugge all'osservazione. Non esistono tecniche semplici per evitare l'effetto di fattori di confusione. Certamente, la migliore risposta a questo rischio è data da una stima adeguata della numerosità campionaria e dalla randomizzazione e cecità, tale per cui eventuali deviazioni attribuibili a potenziali fattori di confusione siano uniformemente distribuite sui due o più gruppi esaminati. D'altra parte, esistono anche fattori di confusione prevedibili (p.es. età, sesso, eziopatogenesi della patologia considerata, scolarità in certi casi ...) che quindi possono essere registrati e per i quali è possibile apportare una correzione in sede di analisi. Pertanto, in sede di pianificazione dello studio deve essere condotta un'accurata valutazione dei potenziali fattori di confusione noti o presumibili, così da registrarli e successivamente tenerne conto in analisi multivariate o analisi di sensibilità dei risultati. Resta il fatto che se il campione è di dimensioni adeguate ed adeguatamente randomizzato l'influenza dei fattori di confusione è marginale rispetto ai bias discussi in precedenza.

Esistono poi situazioni in cui fattori di confusione distribuiti in maniera asimmetrica nella popolazione possono esercitare un peso rilevante sui risultati (p.es. una condizione presente in una piccola frazione della popolazione che però modifica completamente la risposta a un certo trattamento). In tal caso è preferibile ricorrere a tecniche di stratificazione del campione, così che i vari strati siano tutti adeguatamente rappresentati e si possa stimare la risposta al trattamento della popolazione dopo correzione per l'effetto del fattore. Anche questo approccio può, tuttavia, condurre a un errore sistematico. Infatti la stratificazione permette una stima più accurata dell'effetto del trattamento tramite analisi multivariata con il fattore di confusione, ma di per sé non permette di valutare l'effetto del fattore di confusione. Per potere stimare allo stesso tempo anche la correlazione tra livello del fattore di confusione ed esito clinico considerato, bisogna considerare questo come endpoint separato dello studio, e quindi aumentare conformemente la numerosità campionaria, allo stesso modo di un'analisi per sottogruppi (vedi anche 2.3).

In queste linee guida si è attribuito maggiore livello di evidenza agli studi per i quali erano chiaramente indicate e valutabili come valide le misure prese per la riduzione del bias e per considerare di limitata rilevanza l'impatto di potenziali fattori di confusione.

2.10. Effetto di farmaco e effetto di classe

Normalmente gli studi clinici sono effettuati con singoli farmaci, mentre le metanalisi tendono ad aggregare farmaci appartenenti alla stessa classe terapeutica. Gli effetti stimati da uno studio clinico possono quindi evidenziare ciascuno l'effetto di un singolo farmaco mentre egli effetti stimati da una metanalisi tendono ad evidenziare l'effetto complessivo di una classe terapeutica di farmaci presumibilmente omogenei.

I suggerimenti relativi ad una certa modifica di pratica clinica che derivano da un insieme coerente di studi clinici sono quindi normalmente applicabili ad un singolo farmaco e non sono estendibili ad altri farmaci anche se appartenenti alla stessa classe terapeutica e presentano (apparentemente) lo stesso meccanismo d'azione. Ciò potrebbe essere superato, con estensione delle conclusioni a un'intera classe terapeutica (o a uno specifico sottoinsieme di questa) qualora diversi insiemi coerenti di studi clinici condotti ciascuno con un diverso farmaco appartenente alla stessa classe, forniscano risultati sostanzialmente coerenti tra loro e privi di bias importanti. Tuttavia, gli effetti di classe sono generalmente meglio valutati per mezzo di adeguata revisione sistematica e metanalisi con stima quantitativa dell'eterogeneità.

I suggerimenti derivanti invece da una metanalisi sono di solito da considerarsi validi per un'intera classe senza distinzione – quindi senza preferenza – per un qualsiasi farmaco appartenente a quella classe. All'interno di una classe possono comunque essere eseguite stime per sottogruppi di studi. A questo proposito, tuttavia, vanno considerate tutte le cautele relative alle analisi di sottogruppi. Inoltre, non è sufficiente determinare lo scostamento dell'effetto di un sottogruppo dall'effetto globale né il confronto dell'effetto di un sottogruppo di studi rispetto agli altri studi raggruppati, perché in questo caso si tende a concentrare tutto l'effetto osservato nel solo fattore "gruppo di studi", senza tenere conto delle influenze di tutti gli altri fattori di variabilità. Si possono eseguire, per ridurre l'impatto fuorviante di tale concentrazione di variabilità, o analisi di sensibilità, oppure analisi di interazione tra effetto primario considerato e classificazione degli studi in diversi sottogruppi. In entrambi i casi, tuttavia – e in particolar modo quando esistano forti sbilanciamenti di numerosità tra sottogruppi –, è bene esaminare insieme alla eventuale significatività dell'effetto osservato, anche l'intervallo di confidenza dell'effetto e la misura quantitativa di eterogeneità.

In queste linee guida ci si è prevalentemente attenuti ai risultati di metanalisi per la stima di eventuali effetti di classe, e ai risultati di insiemi omogenei di studi per la stima di eventuali effetti di farmaco.

2.11. Significatività clinica e significatività statistica

Se la definizione di significatività statistica è chiara, quella di significatività clinica lo è molto meno.

La significatività statistica (sintetizzata nel valore numerico di "P") indica esclusivamente la probabilità che l'effetto osservato possa essere osservato casualmente nel caso sia vera l'ipotesi zero in base alla quale è stato progettato lo studio. Se il valore calcolato è più piccolo di quello predefinito in sede di progettazione dello studio è lecito respingere l'ipotesi zero. Si noti che in tale definizione non è minimamente vincolante l'ipotesi fatta né il livello critico di probabilità. Quindi, affermare che esiste una significatività statistica non permette di trarre nessuna conclusione se non è chiaramente definito il livello critico prefissato di probabilità e non è chiaramente esplicitata l'ipotesi zero da respingere. Nella maggior parte dei casi l'ipotesi di partenza è che non vi siano differenze di effetto fra due interventi e il livello critico prefissato è il 5%. In tali casi, quindi, ottenere un risultato statisticamente significativo indica che si può respingere con il 95% di confidenza l'ipotesi che i due interventi abbiano lo stesso effetto nella popolazione rappresentata dal campione esaminato.

Il problema critico agli effetti di raccomandazioni utili per la pratica clinica è quale possa essere l'impatto sui malati di un risultato così espresso. Per stimare tale impatto è più ragionevole considerare invece l'intervallo di confidenza della differenza di esito osservata, espressa in termini di numero di pazienti da trattare. Inoltre (vedi 2.1) un risultato isolato non permette di trarre conclusioni definitive, e un insieme di risultati è meglio stimato con una revisione sistematica e una metanalisi che forniscano una stima dell'effetto con il suo intervallo di confidenza e una stima quantitativa di eterogeneità.

Ciò non significa che sia indispensabile attendere il risultato di numerosi studi e della relativa metanalisi per apportare modifiche importanti alla pratica clinica. Possono esistere situazioni –peraltro piuttosto rare – in cui l'effetto osservato è di tale rilevanza agli effetti della tutela della salute dei malati, che anche sulla base di un unico studio è opportuno modificare la pratica clinica (p.es. per riduzione sostanziale di mortalità osservata in uno studio con bias trascurabile, piccolo NNTB e grande NNTH). Tuttavia ciò non esime dal cercare conferma dei risultati ottenuti – non necessariamente con altri studi randomizzati e controllati – né esime dalla valutazione accurata caso per caso del rapporto tra benefici presumibili e rischi prevedibili (cioè dalla considerata valutazione clinica del singolo caso alla luce dei dati disponibili). In ogni caso il grado della raccomandazione relativa rimane inferiore rispetto ai risultati confermati da insiemi di studi omogenei o metanalisi con scarsa eterogeneità, senza tuttavia ridurre l'importanza pratica dell'effetto.

Glossario

Questo glossario è coerente con i termini usati da BMJ Clinical Evidence. Molti esempi sull'utilizzo corretto e scorretto dei termini del glossario sono reperibili nel testo di Egger, Smith e Altman citato all'inizio).